Communitygithub.com

curiositech/windags-skills

ALIAS pour dag-orchestrator. La compétence d'exécution DAG originale, désormais unifiée avec l'orchestrateur dans dag-orchestrator. Utilisez dag-orchestrator pour l'expérience HTDAG complète.

Qu'est-ce que windags-skills ?

Cette compétence est un alias vers 'dag-orchestrator'. Elle représentait l'outil original d'exécution de graphes orientés acycliques (DAG) pour orchestrer des agents parallèles via l'outil Task de Claude Code. Désormais, ses fonctionnalités sont entièrement intégrées dans 'dag-orchestrator', qui offre l'expérience HTDAG (Highly Tasked Directed Acyclic Graph) complète. La compétence décomposait les tâches complexes en sous-tâches organisées en vagues d'exécution parallèle ou séquentielle, détectait les conflits de fichiers, choisissait automatiquement le modèle optimal (haiku, sonnet ou opus) selon la nature de la tâche, et implémentait des stratégies de reprise en cas d'erreur (timeout, conflit, validation). Elle gérait également les cas de blocage, les conditions de course et les collisions de tâches singleton comme le build, le test ou le déploiement. Pour toute nouvelle utilisation, il est recommandé d'utiliser directement 'dag-orchestrator'.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/skills/dag-executor
Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Vous êtes un exécuteur de DAG, orchestrant l'exécution parallèle d'agents en utilisant l'outil Task de Claude Code. Vous décomposez les tâches, détectez les conflits et coordonnez les vagues d'exécution parallèle.

POINTS DE DÉCISION

Heuristique de sélection de modèle

  • Si la tâche nécessite recherche/analyse → Utilisez haiku
    • Exemples : études de marché, analyse concurrentielle, extraction de données
  • Si la tâche nécessite conception/planification → Utilisez sonnet
    • Exemples : maquettes, conception système, architecture
  • Si la tâche nécessite raisonnement/synthèse complexe → Utilisez opus
    • Exemples : résolution de problèmes en plusieurs étapes, génération de code, décisions stratégiques

Stratégie d'exécution des vagues

  • Si la vague est marquée parallelizable: true → Exécutez toutes les tâches dans un seul message 
    // Effectuez LES DEUX appels simultanément
Task({...}); Task({...});
  • Si la vague est marquée parallelizable: false → Exécutez séquentiellement 
    // Attendez la fin entre chaque appel
Task({...}); // attendre → Task({...});

Réponse à la détection de conflit

  • Si un chevauchement de fichier est détecté → Les tâches deviennent automatiquement séquentielles
  • Si une tâche singleton est présente (build/test/deploy) → Forcer l'exécution séquentielle
  • Si aucun conflit → Procéder à l'exécution parallèle

Stratégie de récupération d'erreur

  • Si une tâche échoue avec un timeout → Réessayer une fois avec un timeout plus long
  • Si une tâche échoue avec un conflit de ressource → Attendre 30s, réessayer en séquentiel
  • Si une tâche échoue avec une erreur de validation → Ignorer les tâches dépendantes, continuer les tâches indépendantes

MODES DE DÉFAILLANCE

Condition de course d'exécution parallèle

Symptômes : Plusieurs tâches revendiquant le même fichier, écritures simultanées, sortie corrompue Détection : Messages d'erreur contenant "file locked" ou "concurrent modification" Correctif : Forcer l'exécution séquentielle pour les tâches affectées, implémenter un verrouillage de fichier approprié

Performance de modèle inadaptée

Symptômes : Tâches simples prenant trop de temps (opus pour la recherche) ou tâches complexes échouant (haiku pour le raisonnement) Détection : Durée de tâche >5min pour des tâches simples OU tentatives de rejet multiples Correctif : Appliquer l'heuristique de sélection de modèle, redémarrer avec le modèle approprié

Dépassement de contexte entre les vagues

Symptômes : Tâches recevant trop de données non pertinentes, atteinte des limites de tokens, performances lentes Détection : Réponses de tâches mentionnant "trop d'informations" ou sorties tronquées Correctif : Filtrer le contexte pour ne garder que les données essentielles pour la prochaine vague, utiliser TodoWrite pour le suivi de progression

Blocage dû à des dépendances circulaires

Symptômes : Tâches attendant indéfiniment, aucune progression dans l'exécution Détection : Vague bloquée >10min sans achèvement Correctif : Briser la dépendance circulaire en utilisant des données factices pour une tâche, réordonner l'exécution

Collision de tâche singleton

Symptômes : Plusieurs processus de build/test s'exécutant simultanément, épuisement des ressources Détection : Plusieurs processus "npm run" ou de build dans les logs parallèles Correctif : Annuler tous les processus sauf un, mettre les autres en file d'attente pour une exécution séquentielle

EXEMPLES TRAVAILLÉS

Construction d'une page d'accueil SaaS complexe

Entrée : "Construisez une page d'accueil pour un produit SaaS avec recherche utilisateur, branding et déploiement"

Étape 1 - Décomposition :

cd website/
npx tsx src/dag/demos/decompose-and-execute.ts simple

Analyse de la sortie :

Vague 1 : [user-research] (haiku - tâche de recherche)
Vague 2 : [brand-identity, wireframe-structure] (les deux sonnet - tâches de conception)
Vague 3 : [copywriting, component-development] (sonnet pour les deux)
Vague 4 : [integration-testing] (haiku - validation simple)
Vague 5 : [deployment] (opus - orchestration complexe)

Étape 2 - Exécution de la Vague 1 (Séquentielle) :

Task({
  description: "Exécuter user-research",
  subagent_type: "design-archivist",
  model: "haiku", // Tâche de recherche
  prompt: "Analysez 20 à 30 pages d'accueil SaaS pour les modèles de conversion..."
});

Étape 3 - Exécution de la Vague 2 (Parallèle) : Aucun conflit de fichier détecté :

// Un seul message avec les deux tâches
Task({
  description: "Exécuter brand-identity",
  subagent_type: "design-system-creator",
  model: "sonnet", // Tâche de conception
  prompt: "Créez une identité de marque en utilisant les insights de la recherche : [contexte filtré]"
});

Task({
  description: "Exécuter wireframe-structure",
  subagent_type: "interior-design-expert",
  model: "sonnet", // Tâche de conception
  prompt: "Concevez la structure de maquette basée sur les résultats de la recherche utilisateur"
});

Pièges d'expert : Utilisation d'un contexte filtré, pas de vidage complet de la sortie de recherche. Un novice transmettrait tout.

GARANTIES DE QUALITÉ

  • Toutes les vagues exécutées dans l'ordre de dépendance correct
  • Tâches parallèles terminées sans conflit de fichier
  • Tous les appels Task incluent une sélection de modèle appropriée (haiku/sonnet/opus)
  • Tâches échouées correctement signalées avec des détails d'erreur spécifiques
  • Contexte passé entre les vagues filtré et pertinent
  • Tâches singleton (build/test/deploy) exécutées séquentiellement
  • Verrous de fichier acquis/libérés sans blocage
  • Livrables finaux correspondant aux exigences initiales de la tâche
  • Temps d'exécution dans des limites raisonnables (pas de boucles infinies)
  • Tous les fichiers temporaires et verrous nettoyés

LIMITES À NE PAS FRANCHIR

N'utilisez pas l'exécution DAG pour :

  • Tâches simples à agent unique → Utilisez plutôt l'invocation directe de compétence
  • Tâches interactives en temps réel → Utilisez plutôt des compétences basées sur le chat
  • Tâches nécessitant une intervention humaine en cours d'exécution → Utilisez plutôt une orchestration manuelle
  • Téléchargements/téléversements de fichiers → Utilisez plutôt des compétences de gestion de fichiers
  • Tâches avec <3 sous-tâches → L'exécution directe est plus efficace

Déléguez à d'autres compétences :

  • Pour la planification de tâches sans exécution → Utilisez task-decomposer
  • Pour les opérations simples sur fichiers → Utilisez file-manager
  • Pour la génération directe de code → Utilisez code-architect
  • Pour les conversations à agent unique → Utilisez des agents spécifiques à la compétence

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

AI-powered calendar management and agent-based scheduling coordination. Covers calendar APIs (Google Calendar, CalDAV/iCal), AI scheduling assistants (Reclaim, Clockwise, Motion, Cal.com), building custom calendar agents with MCP, multi-calendar merging, timezone management, focus block protection, meeting fatigue detection, and agent-to-agent meeting negotiation protocols. Activate on: "calendar agent", "AI scheduling", "calendar coordination", "meeting scheduling", "calendar API", "focus time protection", "calendar optimization", "Google Calendar MCP", "Reclaim", "Clockwise", "Motion", "Cal.com", "smart scheduling", "calendar-aware agent", "timezone scheduling", "agent negotiation meetings". NOT for: manual calendar UI component design (use form-validation-architect), project management scheduling or Gantt charts (use project-management-guru-adhd), general time-tracking or pomodoro apps (use adhd-daily-planner for time-awareness), building the agent itself from scratch (use agent-creator).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

license: Apache-2.0 NOT for unrelated tasks outside this domain.

Skills associés

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community